Průlom v architektuře DRAM: RAPID mění pravidla hry v oblasti výpočtů v paměti (PUM)

Nedávný výzkumný počin akademiků ze Syracuse University, Friedrich-Alexander-Universität Erlangen-Nürnberg a TU Dresden, publikovaný pod názvem „RAPID: Row-Parallel Arithmetic Processing in DRAM“, představuje zásadní posun v paradigmatu zpracování dat. Tradiční architektury „Processing-using-memory“ (PUM) dlouhodobě narážely na limitující faktor: nutnost reorganizace dat do sloupcově orientovaných formátů, což vyžadovalo značnou režii a časové prodlevy při přenosu dat mezi pamětí a procesorem. Architektura RAPID tento problém řeší elegantním způsobem, kdy umožňuje provádět aritmetické operace přímo v DRAM řádkově paralelně. Z průmyslového hlediska představuje RAPID přímou výzvu pro stávající modely von Neumannovy architektury, které trpí tzv. „paměťovou stěnou“. V éře generativní umělé inteligence a velkých jazykových modelů, kde objem dat drasticky převyšuje propustnost sběrnic, nabízí tento přístup cestu k energeticky mnohem efektivnějším systémům. Snížením potřeby neustálého přesunu dat mezi DRAM a CPU/GPU se otevírají dveře pro řádové zvýšení výpočetního výkonu při zlomkové spotřebě energie, což je klíčový parametr pro datová centra budoucnosti. Implikace pro dodavatelský řetězec jsou značné. Pokud by se tato technologie dočkala komercializace, výrobci pamětí, jako jsou Samsung, SK Hynix či Micron, by museli přehodnotit své výrobní procesy. Nejde pouze o změnu v návrhu čipů, ale o integraci logických prvků přímo do paměťové struktury, což vyžaduje úzkou korelaci mezi návrhem procesorů a výrobou paměťových komponent. Z pohledu dodavatelského řetězce by to znamenalo posun od komoditních pamětí k vysoce specializovaným „chytrým“ DRAM modulům s vyšší přidanou hodnotou. Výhled do budoucna naznačuje, že éra „výpočtů v paměti“ teprve začíná. Ačkoliv RAPID zatím zůstává na úrovni akademického výzkumu, integrace takových architektur do komerčních produktů by mohla během příští dekády zcela eliminovat potřebu přenosu dat mezi pamětí a procesorem u specifických úloh. Tento posun nejenže zrychlí trénování AI modelů, ale také radikálně sníží celkové náklady na vlastnictví (TCO) u infrastruktury cloudových služeb. Pro hráče v polovodičovém průmyslu je tedy nutné tento vývoj pečlivě sledovat, neboť představuje potenciální disruptivní prvek, který může přepsat hierarchii v segmentu paměťových technologií.